请求的数据封装# 执行的函数本身) -> ToolMessage | Command: # 工具执行的监控。

教程：https://www.bilibili.com/video/BV1yjz5BLEoY代码：https://github.com/shangxiang0907/HeiMa-AI-LLM-RAG-Agent-Dev云开发平台：https://hzh.sealos.run←AI回复结合里「toC 客服 + RAG + 使用报告」的定位，以及你们里用做场景切换的设计，这段在生产里主要会有下面这些不

教程：https://www.bilibili.com/video/BV1yjz5BLEoY代码：https://github.com/shangxiang0907/HeiMa-AI-LLM-RAG-Agent-Dev云开发平台：https://hzh.sealos.run←AI回复你这段在“能跑”的 demo 形态下没问题，但放到真实生产（多用户并发、长时间运行、需要稳定可观测）会暴露一些明显不

init一句话总结/init👉它不是命令，而是 Claude Code 的“项目记忆开关”

选项谁能用作用范围典型用途user scope只有你所有项目个人效率工具团队所有人当前仓库团队规范只有你当前仓库临时/实验。

【代码】Claude Code插件：forrestchang / andrej-karpathy-skills（CLAUDE.md）安装记录（/plugin、/reload-plugins）

以下是从零构建 Claude Code 式 Agent Harness 的主要教程和开源项目（2026 年最新整理）。这些资源聚焦于从基础 agent loop 开始，逐步实现工具调用、上下文管理、权限控制、多代理、长期会话等核心 harness 特性，高度贴近 Claude Code 的工程思路。其他值得关注的：Learn Claude Code 仓库本身（最佳入门）提供逐步 Python 脚本

Code Harness 代表了 AI Agent 从“玩具”走向“生产力工具”的关键工程跃迁。模型会越来越强，但决定你能走多远的，永远是那套把模型“套”好的马具。未来，顶级工程师不再只是写代码，而是设计、优化和编排 harness——让 AI 像优秀团队一样可靠地工作。你准备好拥抱 Harness Engineering 了吗？参考来源：Anthropic 官方工程博客、Boris Cherny

这是现在很多 AI 工程团队真实做法。例如：我希望系统从社媒发现用户痛点再比如：后续进行价值评估。

WSL2（Windows Subsystem for Linux 2）允许你在 Windows 上运行完整的 Linux 环境，目前已经成为运行 Docker、Python、Node.js、Claude Code、AI 开发工具链的主流方案。命令实际上通过 Docker Desktop 提供的集成能力连接到 docker-desktop 上运行的 Docker Engine。这是目前绝大多数 Wi